Mise en œuvre d’un mod–le multi agent permettant d’effectuer des simulations spatio temporelles de l’exposition des habitats des amphibiens à ALAN sur la zone de la dombes

Au sein de la thématique de la pollution lumineuse, la modélisation et la mulation, permettent d’analyser et d’évaluer les effets de la contamination d’unsystème de la lumière artificiel

Brahim ALI KOREIMY

Mise en œuvre d’un modèle multi-agent permettant d’effectuer des simulations spatio-temporelles de

l’exposition des habitats des amphibiens à ALAN sur la

zone de la Dombes.

Thiết kế và cài đặt một mô hình đa tác tử cho phép thực hiện các mô phỏng không gian-thời gian của môi trường sống của sinh vật lưỡng cư bị phơi nhiễm với ALAN trên

vùng Dombes.

MÉMOIRE DE FIN D’ÉTUDES DU MASTER INFORMATIQUE

HANOI-2019

Brahim Ali KOREIMY

Mise en œuvre d’un modèle multi-agent permettant d’effectuer des simulations spatio-temporelles de l’exposition des habitats des amphibiens à ALAN sur la

zone de la Dombes.

Thiết kế và cài đặt một mô hình đa tác tử cho phép thực hiện các

mô phỏng không gian-thời gian của môi trường sống của sinh vật

lưỡng cư bị phơi nhiễm với ALAN trên vùng Dombes.

Spécialité : Systèmes Intelligents et Multimédia

Code : Programme pilote MÉMOIRE DE FIN D’ÉTUDES DU MASTER INFORMATIQUE

Sous la supervision de :

— LENGAGNE Thierry, chargé de recherches CNRS

HANOI-2019

J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que lesdonnées et les résultats qui y sont présentés sont exacts et n’ont jamais été publiésailleurs La source des informations citées dans ce mémoire a été bien précisée.

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi Các số liệu, kết quảnêu trong Luận văn là trung thực và chưa từng được ai công bố trong bất kỳ côngtrình nào khác Các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn gố

Brahim ALI KOREIMY

Within the theme of light pollution, modelling and simulation make it possible

to analyse and evaluate the effects of the contamination of an artificial light system

on a given territory in order to help in decision-making They are a necessary step

to develop and improve a model for ecosystem protection such as environmentalcontamination by light pollution Among the different modelling approaches, Multi-Agent Systems (SMA) are increasingly being used by ecologists and geographers.They make it possible, on the one hand, to follow statistically and very preciselythe evolution of a system and, on the other hand, to intuitively observe the "spatio-temporal" evolution of the generated forms This report presents an example ofthe theoretical light pollution, modelled and simulated, with the ADM GAMA.Following the ODD protocol (Overview, Design concepts, and Details), we explainthe operating principles of the simulated model, as well as the results obtained Thechallenges of the multi-agent paradigm for the assessment of a wetland infected bylight pollution are discussed ; at the end, methodological and thematic perspectivesare presented

Au sein de la thématique de la pollution lumineuse, la modélisation et la mulation, permettent d’analyser et d’évaluer les effets de la contamination d’unsystème de la lumière artificielle, sur un territoire donné afin d’aider à prendre dedécision Elles constituent une étape nécessaire pour développer et améliorer unmodèle pour la protection de l’écosystème tels que la contamination de l’environne-ment par la pollution lumineuse Parmi les différentes approches de modélisation,les Systèmes Multi-Agent (SMA) sont de plus en plus prises par les écologues etgéographes Ils permettent, d’une part, de suivre statistiquement et très précisé-ment l’évolution d’un système ; d’autre part, d’observer intuitivement l’évolution

si-"spatio-temporelle" des formes engendrées Ce rapport présente un exemple de lapollution lumineuse théorique, modélisé et simulé, avec le SMA GAMA En suivant

le protocole ODD (Overview, Design concepts, and Details), nous expliquons lesprincipes de fonctionnement du modèle simulé, ainsi que les résultats obtenus Lesenjeux du paradigme multi-agent pour l’évaluation d’une zone humide infectée par

la pollution lumineuse y sont discutés ; en fin des perspectives méthodologiques etthématiques sont présentées

Liste des tableaux iii

1.1 Contexte national et régional 2

1.2 Contexte institutionnel et le projet de recherche 3

1.3 Objectifs de l’étude 4

1.4 Objectif de la modélisation 4

1.5 Contraintes stage et impact sur le mémoire 5

2 Artificial light at night (ALAN) sur la zone de la Dombes 6 2.1 Le territoire d’études : Dombes 6

2.2 Pollution lumineuse ou ALAN 7

2.3 Quelques travaux et réalisations connexes 11

3 État de l’art 16 3.1 À l’origine : les mathématiques 16

3.2 La modélisation scientifique 17

3.3 Le langage UML (Unified Modeling Language) 18

3.4 Des automates cellulaires aux systèmes multi-agents 18

3.5 Les systèmes multi-Agent(SMA) 21

3.6 Modéliser des dynamiques spatiales avec le SMA 24

3.7 Les Systèmes d’Informations Géographiques SIG 25

3.8 Utilisation hybride SIG–SMA 27

3.9 Outils utilisés 30

3.10 GAMA 30

3.11 QGIS 31

4 Construction du modèle 32 4.1 Les données 32

4.2 Modèle général 33

4.3 Construction du plan d’information 33

4.4 Modèle :directe-albedo 34

4.5 Modèle :Skyglow-albedo 36

4.6 Modèle : directe-albedo-Skyglow 38

4.7 Détails 39

4.8 Changement d’échelle des cartes 40

4.9 Résultats des simulations du modèle 41

5.2 Bilan et perspectives 43

Table 3.1 Plates-formes de développement de systèmes et simulations

multi-agents 28Table 3.2 Différences entre les méthodes d’implémentation proposées par

les plates-formes de développement,[Kravari and Bassiliades 2015 ] 29Table 4.1 Couches SIG utilisées 32

Figure 1.1 La Dombes, un nom pour de multiples acceptions géographiques 2 Figure 2.1 Zone d’étude Cette dernière, cerclée de rouge sur les cartes,

s’étend de l’extrémité Nord-Est de la métropole Lyonnaise au Nord

de Bourg-en-Bresse La zone est située à l’Ouest de la chaˆıne

monta-gneuse du Jura, dans le département de l’Ain (cerclé de jaune) 6

Figure 2.2 Vue aérienne de la Dombes marqué par la présence de nom-breux étangs piscicoles, forêts caducifoliées et champs dédiés pour beaucoup à la culture céréalière Source de la photographie(wikipedia) 7 Figure 2.3 Exemple de halo lumineux sur une ville, Source : Reprinted with permission from the Institution of Lighting Engineers and the Society of Light and Lighting 9

Figure 2.4 Les sources de pollution lumineuse 9

Figure 2.5 Schéma des différents paramètres de l’éclairage artificiel noc-turne pouvant causer des impacts sur la biodiversité Issu de : Pistes méthodologiques pour prendre en compte la pollution lumineuse dans les réseaux écologiques Sordello, 2017 11

Figure 2.6 Acquisition Ninox sur une nuit, source :[philippe D et al., 2018] 12 Figure 2.7 Production d’une carte sky glow,[philippe D et al., 2018] 12

Figure 2.8 Distribution du mobilier urbain éclairé à Paris, [philippe D et al., 2017] 13

Figure 2.9 Simulation de la pollution lumineuse produite par le mobilier urbain éclairé sur la ville de Paris, [philippe D et al 2017] 13

Figure 2.10 L’évolution de surfaces agricoles avec PAYSAGRI (extrait de [Dépigny 2008]) 14

Figure 2.11 L’évolution de surfaces pastorales (en jaune) en Équateur A gauche l’état initial, à droite l’état final (extrait de [Walsh et al 2008]) 15 Figure 3.1 Historique de la modélisation scientifique 17

Figure 3.2 Exemple de configuration de départ 19

Figure 3.3 Détermination du voisinage 20

Figure 3.4 Valeurs de voisinage 20

Figure 3.5 Quelques effets graphiques des automates cellulaires 21

Figure 3.6 Interactions d’un agent [Ferber 1995] 23

Figure 3.7 Composantes d’un SIG 25

Figure 3.8 Couches d’un SIG 26

Figure 3.9 Couche de zones humides avec sa table attributaire 31

Figure 4.1 Modèle général 33 Figure 4.2 Processus d’élaboration de la carte de la pollution lumineuse 34

Figure 4.5 modèle skyglow-albedo, dynamique globale du modèle 37Figure 4.6 modèle skyglow-albedo, exemple d’un calcul de l’intensité 37Figure 4.7 modèle direct-albedo-skyglow, dynamique globale du modèle 38Figure 4.8 modèle diercte-albedo-skyglow, exemple d’un calcul de l’inten-sité 39Figure 4.9 simulation à l’état initial 40Figure 4.10 production d’une carte de la pollution à partir d’une carte de

la lumière directe et l’albédo 41Figure 4.11 identification des zones humides sur la carte polluée par la

linière directe et l’albédo 42Figure 4.12 production d’une carte de la pollution à partir d’une carte de

la lumière directe,l’albédo et skyglow 42

IntroductionBien qu’habitant le milieu naturel, nous n’échappons pas à la pollution lumineuse issue del’urbanisation du territoire Si l’éclairage artificiel est nécessaire aux activités économiques etsociales du territoire, celle-ci n’est pas sans conséquences sur la biodiversité exceptionnelle quinous entoure En effet, plus de 75%1des activités de la faune ont lieux le soir et la nuit, et

se trouvent perturbées par la présence de lumières Nous avons tous un rôle à jouer sur cetteproblématique en limitant ou supprimant les éclairages inutiles, en adaptant nos usages, enmodifiant les éclairages pour les rendre moins perturbateurs

Le développement mal maˆıtrisé des éclairages publics, même en milieu rural, génère un halolumineux qui trouble l’obscurité de la nuit Bien que ce soit la communauté des astronomesqui, la première, ait tiré la sonnette d’alarme, les effets de la pollution lumineuse ne se limitentpas à masquer les étoiles En effet, les impacts sur la biodiversité d’un éclairage artificiel del’environnement nocturne ont largement été démontrés (Longcore and Rich, 2006) Ainsi lephénomène de pollution lumineuse interpelle aujourd’hui plus largement écologues, aménageurs,éclairagistes, médecins, responsables de collectivités locales etc

A cet effet, ce projet vise de mettre au point un outil d’aide à la décision qui permettre

de discuter les différents scénarios d’exposition des zones humides de la Dombes en fonction

de la dynamique d’occupation des sols choisi par l’utilisateur Ce stage qui s’inscrit dans ceprogramme de recherche a pour objectif la création d’une modélisation multi-agents sur lesterritoires étudiés par ce projet Cette modélisation a pour objet la reconstitution dynamiquedes usages et celle de l’exposition potentielle des zones humides de la Dombes à ALAN(Artificiallight at nigh) soit lumière artificielle de nuit en fran¸cais, à partir de couches d’information

Le présent mémoire présente en premier lieu le contexte de l’étude, des objectifs de celle-ci,puis un état de l’art dans le domaine de la modélisation scientifique et plus précisément de lamodélisation multi-agents (SMA) En second lieu, ce mémoire aborde la méthodologie adoptéepour construire les données utile à la modélisation Depuis la récolte de données, jusqu’à lacréation de variables clefs qui serviront à la modélisation Ensuite, nous détaillons la méthodologiemise en oeuvre pour construire des modèles représentatifs de la zones d’étude Chaque moduleainsi défini est ensuite détaillé de manière à mieux appréhender les choix réalisés et le choix

de paramètre modifiables dans le système La formalisation de scénarios crée un cadre pouraboutir à différentes simulations Les résultats des méthodologies adoptées sont ensuite exprimésainsi que les premiers résultats des modules Enfin, nous conclurons en analysant les recherchespouvant être pertinentes à poursuivre dans ce domaine

1 http scarpe-escaut

://www.pnr-scarpe-escaut.fr/contenu-standard/la-pollution-lumineuse-dans-le-parc-naturel-regional-1 CONTEXTE GÉNÉRALCONTEXTE GÉNÉRAL, PROBLÉMATIQUE ET OBJECTIFS

Dans ce chapitre nous aborderons le contexte national, Contexte institutionnel, le projet

de recherche et régional, le problématique et les objectifs de l’étude Nous étayerons ensuitel’objectif de la modélisation suivi des contraintes de stage et impact sur le mémoire

1.1 Contexte national et régional

La Dombes est une région naturelle et historique, elle constitue un plateau d’origine nique aux innombrables étangs qui vient être menacer par des phénomènes artificiels qui estl’utilisation de la lumière artificielle de nuit En effet, cette région abrite à elle seule près de18% de la surface nationale des étangs exploités Ces piscicultures extensives sont gérées parquelques 300 pisciculteurs qui produisent 21% de la production piscicole national(1600t) dont :27% des carpes élevées en France et 21% des brochets

morai-Figure 1.1A gauche, une carte de l’Académie de la Dombes présentant le « Pays de Dombes

» (G.F, 2009) composé de 136 communes A droite, une carte de l’Insee reprenant le périmètre

du projet de PNR de la Dombes qui comprenait 102 communes (« La Dombes : un territoirerural riche de son environnement, mais sous influence urbaine », C Lenoir et P Bertrand, Insee2014)

Figure 1.1 – La Dombes, un nom pour de multiples acceptions géographiques

Elles est caractérisée par les étangs, très nombreux, sont d’origine humaine Ils ont été creusésprincipalement par les moines, en mettant à profit les dépôts d’argile morainiques En particulier,leur profil est maˆıtrisé et déterminé par le type de pêche ; à la différence des étangs du Forez,

au fond plat, les étangs de la Dombes présentent une très légère pente, permettant à l’eau des’écouler lentement et régulièrement vers l’émissaire lors de leur vidange au printemps tous les4-5 ans à l’occasion de la pêche, avant d’être laissés à sec en général un été, pour être cultivés

en avoine ou en ma¨ıs Ils permettent une pisciculture importante de carpes depuis longtemps, etalimentait les populations, en particulier de Lyon lors des nombreux « jours maigres »

1.2 Contexte institutionnel et le projet de recherche

Le stage réalisé durant six mois au sein de l’unité de recherche LETG (Littoral, nement, Télédétection, Géomatique) d’Angers, s’inscrit dans le cadre d’un projet de recherche

Environ-du CNRS associant plusieurs équipes (LETG Angers, LEHNA Lyon, EVS Saint-Étienne) quis’intéressent aux effets de l’éclairage artificiel nocturne sur la biodiversité de la Dombes Cestage financé et coordonné par le Centre National de la recherche Scientifique(CNRS)

Ce projet de recherche tend à améliorer la compréhension, le suivi, la réduction et la préventiondes contaminations de la pollution lumineuse et de leurs impacts sur la société, la santé et surl’environnement permettant de construire des stratégies de réduction de la vulnérabilité oul’adaptation écologiquement viables, sociologiquement adaptées et politiquement pertinentes

Le programme se fonde sur une méthodologie interdisciplinaire réunissant des chercheurs enbiologie, géographie et informatique en lieu avec quelques laboratoire

Le LETG-Angers (Littoral, Environnement Télédétection, Géomatique) d’Angers est une unitémixte CNRS-Université d’Angers Parmi les axes de recherches du laboratoire, ce programme

se place dans l’une des axes et intitulé " Mise en œuvre d’un modèle multi-agent permettantd’effectuer des simulations spatio-temporelles de l’exposition des habitats des amphibiens àALAN sur la zone de la Dombes" ayant pour objectif de comprendre et d’analyser les inter-actions Homme/milieu à l’aide d’outils et de méthodes innovantes de manière à caractériserqualitativement, quantitativement et spatialement les dynamiques paysagères et à définir lesindicateurs environnementaux explicatifs de ces dynamiques

Ce projet s’articule autour de trois(3) objectifs centraux :

— identifier et cartographie les sources lumineux en fonction de la vulnérabilité/capacité deleurs intensités à faire face à la contamination environnementale ;

— mésuser les impacts de l’intensité lumineuse aux activités extractives sur les eaux, lessols, ;

— identifier les zones humides de la zone d’étude

qui seront poursuivis en perspectives aux objectifs suivants :

— d’identifier les zones de conflits entre usages et exigences écologiques d’organismes inféodésaux zones humides ;

— informer les structures décisionnelles de gestion d’ALAN

Il est donc important de noter que bon nombre de projets visant la construction d’un modèlescientifique sont réalisés dans un contexte de manque de données, et que ses données parfoisclefs ne sont obtenues qu’après les impératifs du projet Nous retiendrons également en compteles travaux de Margo et Tom cherchant à finalisé les effets de la lumière directe sur les zoneshumides et albedo respectivement

Les études ainsi réalisés permettent d’apprécier chaque facette du projet et répondre en partie à

la problématique que celui-ci pose La réalisation d’un système multi-agent assure la sélection,l’organisation et la visualisation des données et théories nécessaires à la compréhension desproblématiques de ce projet Nous nous sommes dans un premier temps imprégnés de cesnouvelles connaissances tout en s’interrogeant sur la pertinence de chaque lecture et chaquedonnées pour la réalisation d’un modèle

1.3 Objectifs de l’étudeL’objectif principal de cette étude est de modéliser et de simuler le système environnement-lumière artificielle dans le contexte d’un front pionner physique et environnement du territoire(zones humides, usage du sol), dynamiques végétales, les dynamiques agricoles et piscicultures,les dynamiques de contaminations de la lumière (différentes sources de pollution), les dynamiquessocio-économiques (organisation sociale des ménages, regroupement communautaires, variationdes prix, ) Le système multi-agent ainsi créé doit répondre aux objectifs suivants :

1 visualiser l’impact de la lumière artificielle sur la vulnérabilité de l’environnement auxpollutions : les zones humides sont-elles touchées ?

2 déterminer le gradient des risques de pollutions per¸cu par la zone humide : comment unezone per¸coit-elle le risque de pollution ? De quelle fa¸con, elle est exposée à la lumièredirecte et indirecte

1.4 Objectif de la modélisationL’obtention de tels résultats passe par une succession d’étapes Les objectifs du modèle définici-dessus rejoignent les trois objectifs globaux d’une modélisation à savoir : Décrire, Comprendre,Prédire (Lieurain, 1998) Ici nous cherchons à décrire les dynamiques Homme/Milieu (incluant

les pollutions lumineuses) du territoire, à comprendre les phénomènes de pollution de la lumièreartificielle et à prédire l’étendue de cette pollution lumineuse sur l’écosystème.

Dès lors, on peut définir l’objet de l’étude comme correspondant au système complexe mis enmarche de la lumière artificielle dans cette zone Bien sˆur, ces activités n’étant pas les seulessur ce territoire et ayant un impact non négligeable sur les activités agricoles et pisciculture, ilconvient de définir celles-ci comme objet de la modélisation à part entière On distingue deuxfacteurs principaux

1 Le facteur d’exposition ( lumière directe, skyglow et albedo) : Celui-ci exprime ment le fait que les lampadaires, les phares des véhicules, soient à « portée de pollution.Une exposition prolongée entraˆınant une contamination Elle est avant tout définie pardes critères spatiaux

directe-2 La politique des élus pour l’éclairage publique, notamment celles qui ont trait à gement du territoire et l’usage de la lumière par la population Ceci nécessite égalementd’intégrer cette problématique au cœur de la réflexion sur les continuités écologiques etdonc dans la définition de la future trame « verte et bleue »

l’aména-1.5 Contraintes stage et impact sur le mémoire

Le système multi-agent réalisé sur ce territoire correspond à deux stages de M1 et un stage

de M2 complémentaires, l’un porte sur l’utilisation de l’analyse de visibilité pour identifier leszones humides de la Dombes exposées à l’éclairage artificiel nocturne direct Le second portesur l’élaboration d’une cartographie de l’albédo de la Dombes (à partir d’images satellites et

de données d’occupation du sol) Et le troisième étant orienté informatique comprenant lamodélisation des dynamiques politiques et socio-économiques et l’implémentation des modèlessur plate-forme de simulation Ce stage se déroule sur une zones physique à Angers qui avaitcommencé à distance à Hanoi(Vietnam)

2 Artificial light at night (ALAN) sur la zone

de la Dombes2.1 Le territoire d’études : Dombes

La Dombes est située à une cinquantaine de kilomètres au Nord-Est de Lyon, dans la partiesud-ouest du département de l’Ain (01) en région Rhône-Alpes, la Dombes est un territoire àdominante rurale présentant une surface d’environ 1500 km2 (Insee, 2014) dont les contours necorrespondent pas à une entité administrative mais plutôt à un territoire constitué d’une entitégéomorphologie et géologique fa¸connée par une histoire et une dynamique humaine, culturelle etéconomique singulière liée en grande partie à l’activité piscicole développée dès le Moyen-Âge

Figure 2.1 – Zone d’étude Cette dernière, cerclée de rouge sur les cartes, s’étend de l’extrémitéNord-Est de la métropole Lyonnaise au Nord de Bourg-en-Bresse La zone est située à l’Ouest de lachaˆıne montagneuse du Jura, dans le département de l’Ain (cerclé de jaune)

Sa principale caractéristique sont les étangs, qui sont très nombreux (plus de mille), sontd’origine humaine Ils ont été creusés principalement par les moines, en mettant à profit lesdépôts d’argile morainiques En particulier, leur profil est maˆıtrisé et déterminé par le type depêche ; à la différence des étangs du Forez, au fond plat, les étangs de la Dombes présentent unetrès légère pente, permettant à l’eau de s’écouler lentement et régulièrement vers l’émissaire

(dénommé « thou ») lors de leur vidange au printemps tous les 4-5 ans à l’occasion de la pêche,avant d’être laissés à sec en général un été, pour être cultivés en avoine ou en ma¨ıs Ils permettentune pisciculture importante de carpes depuis longtemps2, et alimentait les populations, enparticulier de Lyon lors des nombreux « jours maigres ».

Ce réseau d’étangs constitue une constellation de zones humides abritant de nombreuses espècesanimales et végétales Ce territoire concentre de forts enjeux environnementaux relatifs à laprotection de sa biodiversité

Figure 2.2 – Vue aérienne de la Dombes marqué par la présence de nombreux étangs piscicoles,forêts caducifoliées et champs dédiés pour beaucoup à la culture céréalière Source de la photogra-phie(wikipedia)

2.2 Pollution lumineuse ou ALAN

La vie sur terre a évolué selon des cycles quotidiens et saisonniers de lumière et d’obscurité[Kronfeld-Schor et al 2013 , Tan et al 2010 ] Les humains modifient profondément ces cycles

de lumière naturelle en introduisant une lumière artificielle de nuit (ALAN), également appeléepollution lumineuse Pendant longtemps, l’exposition à l’ALAN a été considérée comme unemanipulation environnementale inoffensive pour l’homme sans répercussions graves Cependant,

la présence total de la rayon lumineux de tout le temps représente une menace potentiellementimportante pour la faune, la biodiversité et les humains [Duffy et al 2015 , Gaston et al 2013 ,Holker et al 2010 , Navara et Nelson 2007 , Rich et Longcore 2005 ] Récemment, il a été deplus en plus prouvé que la perturbation de nos cycles de lumière et d’obscurité naturellementdéveloppés peut entraˆıner une vaste gamme de réponses biologiques [Bedrosian et al 2016 ,Swaddle et al 2015]

Du point de vue de l’écologue, la pollution lumineuse désigne la lumière artificielle qui dégradeles cycles de la lumière naturelle (cycle jour/nuit et saisons), modifie la composante nocturne

de l’environnement, c’est-à-dire l’illumination du milieu, et qui, en conséquence, impacte lescomportements, les rythmes biologiques et les fonctions physiologiques des organismes vivants,ainsi que les écosystèmes Les écologues parlent de « pollution lumineuse écologique »

2.2.1 Définitions

Le terme « pollution lumineuse » est apparu récemment dans la littérature Certainsauteurs ont même proposés une autre terminologie « photopollution » englobant l’ensemble deslumières ayant des impacts négatifs sur la faune et la flore sauvage [Verheijen 1985]

Selon Longcore et Rich (2004), la pollution écologique lumineuse s’applique à la lumière artificiellequi altère l’alternance du jour et de la nuit ( rythme nycthéméral) dans les écosystèmes.Cette pollution écologique lumineuse englobe plusieurs types de phénomènes et de nuisances :

— la sur-illumination, c’est-à-dire l’utilisation excessive de lumière ;

— l’éblouissement due à une trop forte intensité lumineuse ou à un contraste trop intenseentre des couleurs claires et sombres ;

— la luminescence nocturne du ciel provoquée par la lumière non directionnelle émise endirection du ciel par les éclairages urbains, phénomène souvent nommé par le termeanglais « Sky Glow »

L’albédo Lorsque le rayonnement solaire arrive sur le sol d’une planète il est en partieréfléchi L’albédo est est la fraction de l’énergie solaire qui est réfléchie vers l’espace La partie del’énergie lumineuse absorbée par la planète est dite incidente Plus une surface est réfléchissante,plus son albédo est élevé.La valeur de l’albédo est comprise entre 0 et 1

L’albédo dépend de la couleur et de la matière de la surface concernée Pour notre planète Terre,l’albédo permet d’expliquer en partie les basses températures des régions polaires Les élémentsqui contribuent le plus à l’albédo de la Terre sont les nuages, les surfaces de neige et de glace etles aérosols Par exemple, l’albédo de la neige fraˆıche est de 0,87, ce qui signifie que 87 % del’énergie solaire est réfléchie par ce type de neige

Le halo lumineux ou "sky glow" : La lumière artificielle partant vers le ciel s’associe auxparticules en suspension dans l’air ce qui forme un halo lumineux bien visible au-dessus desmétropoles Ce phénomène est accentué de surcroˆıt par la pollution de l’air qui augmente lenombre de particules en suspension dans l’atmosphère (aérosols) (Aubé, 2015) ainsi que par lamétéo (nuages, brume, brouillard, )

Or, de nombreuses espèces utilisent le ciel étoilé comme repère la nuit (oiseaux, mammifèresmarins, insectes, ) (Wiltschko et al., 1987 ; Doujak, 1985 ; Wehner, 1984) Il est donc pressentique cette forme de pollution lumineuse leur serait très préjudiciable puisqu’elle se traduit parune « chape » de lumière entre la terre et la voˆute céleste, qui masque leurs repères

Figure 2.3 – Exemple de halo lumineux sur une ville, Source : Reprinted with permission from theInstitution of Lighting Engineers and the Society of Light and Lighting

2.2.2 Les sources ou l’origine de la pollution lumineuseUne source d’éclairage artificiel est, théoriquement, dévolue à un usage bien précis Mal-heureusement, en pratique, elle produit irrémédiablement un flux de lumière dirigé vers le ciel,lequel est diffusé par les particules atmosphériques et la vapeur d’eau A l’échelle d’un luminaire,

la diffusion de la lumière artificielle forme un « halo lumineux » A l’échelle d’une agglomération,

la somme des halos lumineux forment un « halo d’agglomération » Aussi, toute constructionhumaine équipée d’une source d’éclairage artificiel est susceptible d’engendrer une pollutionlumineuse (Figure 2.12) C’est en particulier le cas de :

Figure 2.4 – Les sources de pollution lumineuse

— L’éclairage public et routier qui, dans le cadre de la prévention routière et anti-criminalité,est utilisé à des intensités lumineuses qui excèdent bien souvent les minimums requis

— L’éclairage des bâtiments industriels et commerciaux, fréquemment sur-éclairés pour

attirer les clients et créer un cadre attractif et propice à la consommation.

— L’éclairage des parkings et des centres sportifs

— Les éclairages extérieurs et intérieurs des habitations qui ne sont encadrés par aucuneréglementation

— L’éclairage des véhicules

2.2.3 Impacts de la pollution lumineuse sur la biodiversité

La pollution lumineuse est une menace pour la biodiversité La lumière bouleverse l’horlogebiologique, les repères, les rythmes naturels, les modes de reproduction, d’alimentation ou

de chasse Elle perturbe de nombreuses espèces : chauves-souris, batraciens, reptiles, espècesaquatiques, tout particulièrement les insectes, et également l’espèce humaine

Les éclairages sont un cause majeure de mortalité des insectes : ils déciment des coloniesentières, modifiant par conséquent les écosystèmes et l’équilibre de toute la chaˆıne alimentaire

Les oiseaux migrateurs, qui se déplacent majoritairement de nuit, s’orientent grâce auxétoiles Les lumières artificielles telles que les tours ou les plates-formes pétrolières tuent plusieursmillions d’oiseaux par an, par collision, épuisement ou prédation

Le changement d’intensité lumineuse bouleverse les relations proie-prédateurs, augmentel’activité nocturne de certaines espèces, peut stopper la reproduction notamment chez lesbatraciens, modifie la recherche alimentaire de micro-mammifères, ou repousse des espèces demammifères terrestres, réduisant la superficie de leur habitat

Les végétaux ont besoin de la nuit, qui conditionne leur fonctionnement et leur pement Une surexposition à la lumière peut avoir des conséquences sur la germination, lacroissance, l’expansion des feuilles, la floraison, et le développement des fruits

dévelop-L’homme souffre également de la lumière intrusive : au-delà d’être privé du magnifiquespectacle des étoiles, et de la gêne ressentie par trop de lumière, un dérèglement nerveux ethormonal peut s’opérer Selon certains structures de l’écologie, la lumière artificielle pourraitêtre l’un des facteurs à l’origine de l’augmentation de l’incidence des cancers "Sous l’effet

de la lumière artificielle, l’épiphyse (petite glande située dans le cerveau) diminue nettement

la production de mélatonine - également appelée "hormone du sommeil" - dont les bienfaitsseraient multiples : anti-vieillissement, frein au développement des tumeurs, stabilisateur de latension, maintien de la libido "

Les effets de la lumière artificielle sur la faune et la flore aquatiques : la modification del’intensité et de la composition de la lumière sur une étendue d’eau détermine la stratification

des espèces d’algues et les réseaux alimentaires qui en dépendent On peut donc supposer queces communautés de vie sont perturbées L’éclairage des zones humides et cours d’eau peutinterférer avec le phénomène de dérive des invertébrés aquatiques Ces invertébrés se laissenttransporter par le courant, peut-être pour mieux échapper à leurs prédateurs, ils le font presquetoujours un peu avant l’aube et un peu après le crépuscule Les poissons semblent également plusactifs à ces périodes La migration des anguilles a surtout lieu de nuit Avant de pouvoir migrer

de jour, la civelle doit attendre que l’extension du pigment noir qui forme sa tache cérébrale etprotège son cerveau et ses lobes soit terminée Le rôle exact de l’éclairage nocturne n’est pasconnu, mais il est vraisemblable que la migration puisse être, au moins partiellement, bloquée

Figure 2.5 – Schéma des différents paramètres de l’éclairage artificiel nocturne pouvant causer desimpacts sur la biodiversité Issu de : Pistes méthodologiques pour prendre en compte la pollutionlumineuse dans les réseaux écologiques Sordello, 2017

2.3 Quelques travaux et réalisations connexesL’approche agent est utilisée par de nombreux chercheurs ayant cette même volonté de simu-ler sur la pollution lumineuse dans le milieu écologique [Héloise 2012] De nombreux travaux etoutils de simulation ont donc été réalisés souvent liés à la mesure et modélisation de la pollutionlumineuse [Philippe Deverchère et al 2018] La pollution lumineuse dans les milieux urbains[Philippe Deverchère et al 2017] mais aussi et surtout ce qui nous intéressera particulièrement

de la pollution lumineuse dans le milieu écologique, simulation multi-agents sur l’architecturemassivement parallèles [Emmanuel Hermellin 2018]

Nous allons donc brièvement présenter quelques outils conséquents qui sont utilisés poursimuler la pollution lumineuse dans la zone urbaines, mesure de la pollution lumineuse,l’évolution

des surfaces agricoles Nous présenterons ces outils en particuliers puisqu’ils sont souvent réalisés

et utilisés dans des contextes comparables à notre outil de simulation de la pollution lumineusedans les zones humides

Mesure de la pollution lumineuse : La pollution lumineuse est produite essentiellementpar l’éclairage public et industriel et dans une moindre mesure par l’éclairage résidentiel privé.Cette lumière artificielle peut être émise directement vers le ciel par les sources lumineuses, oubien être réfléchie par les terrains et bâtiments environnants (avec albédo plus ou moins élevé

en fonction de leur nature)

Fruit de la collaboration des équipes de géographes et des informaticiens, ce modèle montre lestechniques pour mesurer et modéliser la pollution lumineuse en utilisant les outils Ninox pourmesurer la brillance du fond ciel nocturne de manière continue, l’acquisition de la luminosité dufond de ciel à l’aide d’un SQM présente toutefois l’inconvénient de ne mesurer qu’une partie duciel, typiquement une zone de 90 deg vers le zenith

Figure 2.6 – Acquisition Ninox sur une nuit, source :[philippe D et al., 2018]

A titre d’exemple, la figure 2.6 ci-dessus montre le résultat d’une acquisition Ninox réaliséedurant la nuit du 25 décembre 2017 depuis un petit village du Sud de la Bourgogne

Figure 2.7 – Production d’une carte sky glow,[philippe D et al., 2018]

La figure 2.9 montre : à la fin de la nuit, toutes les mesures valides sur les différentes zonessont combinées pour produire une carte de luminosité du fond de ciel résultante On voit sur cetexemple que la Voie lactée n’apparaˆıt plus sur l’image Cette dernière s’est déplacée au cours de

la nuit et la carte peut ainsi être complétée entièrement

Simulation de la pollution lumineuse d’un milieu urbain : De nombreux travaux seconsacrent à l’étude de l’évolution de la pollution lumineuse dans un milieu urbain Le modèleréalisé par les chercheurs [Philippe D et al 2017] propose ainsi une représentation du mobilitéurbain éclairé de la ville de Paris à la pollution lumineuse

Comparativement aux travaux que nous menons, une tel modèle s’approche en partie de ce quifaire avec le travail de Margo que nous utilisons ses résultats, même s’il ne prend pas en compte

un aspect spatialisé permettant de tester une zone humide Mais au niveau usage, il s’approcheplutôt une grande partie du modèle

Figure 2.8 – Distribution du mobilier urbain éclairé à Paris, [philippe D et al., 2017]

Figure 2.9 – Simulation de la pollution lumineuse produite par le mobilier urbain éclairé sur la ville

de Paris, [philippe D et al 2017]

Évolutions agricoles et naturelles : De nombreux travaux se consacrent à l’étude del’évolution des surfaces agricoles Le modèle PAYSAGRI, réalisé par les chercheurs d’AgroParis-Tech [Dépigny 2008], propose ainsi une représentation de l’effet des différentes sensibilités aupaysage des agriculteurs sur les évolutions paysagères d’une portion de territoire rural et ap-porte la démonstration du rôle de la sensibilité au paysage dans les évolutions d’un paysage rural

Comparativement aux travaux que nous menons, un tel modèle s’approche en partie de

ce qui peut se faire avec le modèle, même s’il ne prend pas en compte un aspect spatialisépermettant de tester un plus grand nombre de choix d’aménagement Mais au niveau usage,

il s’approche plutôt d’une partie du modèle puisqu’il permet de suivre l’évolution de surfacesagricoles, chose que nous faisons également en l’associant à l’évolution des autres grandes classesd’occupation du sol, zone humides

Figure 2.10 – L’évolution de surfaces agricoles avec PAYSAGRI (extrait de [Dépigny 2008])

Plus proches de ce que nous verrons, les travaux menés conjointement par des équipes caines et équatoriennes portent sur l’évolution des surfaces agricoles en Amazonie Equatorienne[Walsh et al 2008, Mena et al 2010] Ils utilisent l’approche agent pour simuler les processusdécisionnels au niveau des exploitations agricoles, et leurs résultats permettent de mettre enavant les changements en terme d’occupation du sol sous une forme spatialisée Les outils qu’ilsdéveloppent permettent donc d’observer à une échelle globale les répercussions qui sont dues auxcomportements des exploitants agricoles On peut par exemple voir sur la figure2.10les résultatsd’une simulation qui montre essentiellement l’importante évolution des zones pastorales (enjaune)

améri-Ces travaux sont particulièrement intéressants puisqu’ils ont été réalisés, en ce qui concernel’évolution des espaces agricoles, dans le même esprit que celui que nous avons eu en développantnotre modèle Ils offrent, en outre, une modélisation relativement rigoureuse des phénomènessociaux qui ont lieu dans les exploitations agricoles

Par ailleurs, il est intéressant de noter que les dynamiques qui sont modélisées dans cestravaux sont parmi celles permettant, de manière assez avancée, de simuler de fa¸con conjointe

de l’évolution de différentes types d’espaces En effet, l’évolution des exploitations agricoles sefait notamment au détriment des zones de forêt primaire dont l’évolution est prise en compte

Figure 2.11 – L’évolution de surfaces pastorales (en jaune) en Équateur A gauche l’état initial, àdroite l’état final (extrait de [Walsh et al 2008])

3 État de l’art

Apport des sciences computationnelles aux sciences humaines et sociales

Dans ce chapitre nous aborderons les origines de la modélisation scientifique dans les sciences

de l’informatique Nous étayerons ensuite les modélisations de type automates cellulaires trèsliées à la géographie et enfin, nous nous attarderons sur les systèmes multi-agents et le réelintérêt de cette approche dans les sciences humaines et sociales et plus encore dans la géographie

3.1 À l’origine : les mathématiques

Héritées des sciences de l’informatique, les modélisations et simulations à base d’agent, etplus particulièrement des langages de modélisation et de Programmation Orienté Objet(POO),ont entraˆıné l’émergence de nouvelles démarches scientifiques Ce nouveau paradigme de pro-grammation informatique a été formalisé par les Norvégiens Ole-Johan Dahl et Kristen Nygaard

au début des années 1960 Cette nouvelle manière de programmer définit le paradigme des

« Objets », entité ou « brique logicielle » représentant un concept, une idée ou toute entité

du monde physique (ex : une voiture, une personne, tout est objet) Les entités « objets

» possèdent une structure interne (définie pas ses « attributs », ex : l’objet crayon possèdel’attribut « rouge »), un comportement (défini par ses « méthodes », ex : l’objet crayon possède

la méthode « écrire ») et savent interagir avec d’autres objets

La programmation orienté objet permet donc de représenter des objets du monde réel et leursinteractions La modélisation devient donc une étape d’importance majeure indispensable pour

la POO, c’est cette étape qui permet de transcrire les éléments du monde réel sous formevirtuelle

3.2 La modélisation scientifique

Figure 3.1 – Historique de la modélisation scientifique

Comme le présentent Jean-Pierre Treuil (Treuil et al 2008), un modèle est une constructionabstraite qui permet de comprendre les interactions au sein d’un système de référence répondant

à une question qui le concerne C’est une représentation simplifiée de ce système, un modèles’appuie sur une théorie générale et il est exprimé dans un langage spécifique appelé langage demodélisation Le système de référence étant la partie de la réalité que l’on cherche à représenter.Cette partie du monde réel est porté à notre connaissance par différents mécanismes de mesure,d’observation ou d’expérimentation qui produisent des données Il est donc nécessaire de donner

du sens à ces données, en fonction des objectifs de la modélisation qui entraˆıne une question demodélisation (ex : Comment expliquer les relations entre données ? Comment prévoir l’évolutiondes données dans le temps ?)

La modélisation est donc une simplification délibérée du système qu’il décrit, la simplificationétant fondée sur les hypothèses liées au domaine scientifique étudié et donc un choix assumé dumodélisateur de choisir le niveau de complexité à prendre en compte

Un langage de modélisation est donc choisi en fonction du domaine scientifique considéré etles propriétés souhaitées pour le modèle Un même modèle (Modèle de Référence) peut êtretraduit dans différents langages en fonction de son objectif

Un modèle s’appuie sur des théories, en effet, là ó les théories ont pour objectif de décrire

le fonctionnement et l’évolution d’un système de référence, le modèle est une instanciation decette théorie pour un système en particulier Quand la théorie exprime l’a priori du scientifiquesur l’évolution ou l’état du système de référence et fournit des abstractions (en fonction dulangage utilisé), le modèle s’appuie sur ces abstractions et les relations entre abstraction Les

théories considérées peuvent aussi être déterminantes dans le choix des données à envisagerpour le modèle Les théories fournissent donc une ossature qui guide le modélisateur en fonctiondes questions qu’il se pose sur un système de référence donné et permet la construction du modèle.

Les approches individus centrée et orientée-objet ou fondées sur des agents informatiquesont permis des modélisations con¸cues comme des représentations du monde à visée plus oumoins réaliste et non plus comme des calculs équivalents aux modèles mathématiques (Varenne

la modélisation, améliorent la compréhension du problème que pose le modèle et facilite laconception et la communication de celui-ci De plus, l’objectif d’UML est d’obtenir un modèlecompréhensible par les humains et par les machines, c’est-à-dire traduisible rapidement enlangage de programmation On notera aussi l’existence du langage AUML6 Cette extension dulangage UML permet de mieux spécifier la structure des systèmes agents avec notamment desdiagrammes plus poussé pour les communications entre agents

3.4 Des automates cellulaires aux systèmes multi-agentsDans les dernières années, de nouvelles approches et techniques de modélisation ont émergé,

et leur champ d’application s’est étendu progressivement, en touchant aussi la problématiquedes choix résidentiels Les automates cellulaires et les systèmes multi-agents sont représentatifs

de ces techniques nouvelles

L’apparition des techniques de modélisation dynamique issues de l’informatique (intelligenceartificielle distribuée, vie artificielle) ont permis d’aborder le problème du comportement desacteurs ou celui des interactions multiples dans l’espace et le temps

Les automates cellulaires (Couclelis (1985), Phipps et Langlois (1997)) ont un intérêt évident pour

la modélisation des systèmes dynamiques complexes Ces modèles introduisent une représentation

du territoire correspondant à un ensemble de cellules de forme identique, chaque cellule étantdécrite par des caractéristiques de milieu, habitat, population etc Des fonctions d’état permettent

de caractériser l’évolution de chaque cellule en fonction de son état et de celui de ses voisins.

3.4.1 DéfinitionLes automates cellulaires se présentent sous la forme d’une grille, ou ensemble de cellulesévolutives au cours du temps, régies par de mêmes règles de transitions dans un espace à deuxdimensions Ce système a largement été mis à l’épreuve des mathématiciens depuis ses originesdans les années 50, jusqu’à nos jours (Wolfram, 1984 ; Louis, 2002 ; Ollinger & Richard, 2009)

Un automate cellulaire se définit ainsi, une cellule (i, j), localisée en en ligne i et en colonne j, àl’instant t ; elle possède :

— Un état St(i, j) : qui représente son contenu (nombre fini d’états possibles)

— Un voisinage V (i, j) : formé de cellules voisines (stable dans le temps)

— Le voisinage peut inclure les 4 cellules voisines (voisinage de Von Neumann, V4(i, j)) ;

— Le voisinage peut inclure aussi les 6 cellules voisines V6(i, j) ;

— Les 8 cellules adjacentes (voisinage de Moore V8(i, j)), ou plus

— Une règle de transition T s’applique à toutes les cellules (i, j)

Chaque cellule calcule ainsi l’état suivant Sij(t + 1) au temps t + 1, en fonction de son étatactuel Sij(t) et de l’état des k cellules voisines V (i, j)

Figure 3.2 – Exemple de configuration de départ

Dans le Jeu de la vie, est considérée comme voisine toute cellule contigu¨e, y compris lesdiagonales

Figure 3.3 – Détermination du voisinage

La figure ci-dessus montre le voisinage de la cellule 12 En l’occurrence, sur les huit voisins,deux sont actifs

Les règles du Jeu de la vie sont simples :

— Une cellule inactive entourée de 3 cellules actives devient active (« naˆıt ») ;

— Une cellule active entourée de 2 ou 3 cellules actives reste active ;

— Dans tous les autres cas, la cellule « meurt » ou reste inactive

Les automates cellulaires fonctionnent de manière discrète C’est-à-dire que le temps s’écoulepar à-coups Ceci signifie dans notre cas qu’à la génération t, chaque cellule examine sonenvironnement et détermine son état futur Quand l’ensemble des cellules a été traité, etseulement à ce moment là, toutes les cellules passent à l’état calculé On simule ainsi untraitement parallèle

Illustrons ce mécanisme à partir de la configuration précédente :

Figure 3.4 – Valeurs de voisinage

3.4.3 Applications pratiques utiliséesLes applications pratiques des automates cellulaires sont nombreuses et diverses Fondamen-talement ils constituent des univers dont on fixe les lois Notre Univers est soumis aux lois de laPhysique Ces lois ne sont que partiellement connues et apparaissent hautement complexes Dans

un automate cellulaire, les lois sont simples et complètement connues On peut ainsi tester etanalyser le comportement global d’un univers simplifié Voici quelques exemples d’application :

— Simulation du comportement d’un gaz Un gaz est composé d’un ensemble de moléculesdont le comportement est fonction de celui des molécules voisines ;

— Simulation des processus de percolation ;

— Simulation des processus de cristallisation ;

— Simulation de la propagation des feux de forêt ;

— Simulation et d’étude du développement urbain ;

— Simulation et étude des changements d’occupation du sol

Dans un domaine plus quotidien, les automates cellulaires peuvent être utilisés comme générateurgraphique Les quelques figures ci-dessous, construites avec Capow montrent certains effetsgraphiques

Figure 3.5 – Quelques effets graphiques des automates cellulaires

3.5 Les systèmes multi-Agent(SMA)L’intelligence artificielle à ses débuts entendait essentiellement rivaliser avec l’être humain

Il s’agissait de résoudre une question posée en adoptant le comportement et le savoir-faired’un ou souvent plusieurs experts, d’ó les programmes informatiques biens connus appelés «systèmes experts », notamment pour le diagnostic médical Cette voie de l’intelligence artificiellesoulève, entre autres questions, le problème de l’individualisation des compétences d’expertdans un seul programme informatique En effet, dans la plupart des cas pratiques, les savoirsnécessaires à la résolution de tâches complexes sont souvent distribués entre plusieurs individus

Ce sont des échanges d’informations, de connaissances spécifiques voire des négociations quiconcourent à la résolution d’une tâche ou à l’établissement d’un diagnostic Aussi, un courant

de l’intelligence artificielle s’est inscrit dans la construction de programmes informatiques tivement autonomes et indépendants en interaction, appelés des « agents » Un SMA est unprogramme informatique regroupant des petits programmes disposant d’une certaine autonomieconstituant des entités artificielles qui évoluent, communiquent et agissent dans un environne-ment, qui n’est pas forcément spatial Un SMA intègre une dimension temporelle sous la formed’une horloge qui rythme les interactions entre ces diverses entités artificielles ou agents Ces in-teractions produisent des organisations qui, en retour, sont susceptibles de contraindre les agents

rela-Selon Jacques Ferber (1995), un agent, dans une définition strictement informatique, est une

« entité capable d’agir sur elle-même et sur son environnement, qui réagit à ses transformations

et qui possède une représentation partielle de cet environnement » Les SMA, parce qu’ilsdonnent « la possibilité de modéliser directement les individus, leurs comportements et leursinteractions, offrent des solutions radicalement nouvelles pour la modélisation » Par exemple,

le fonctionnement d’une fourmilière peut être modélisé en donnant aux fourmis des statutsd’agents dont les caractéristiques varieront avec les différentes spécialisations de ces insectes

au sein de la société des fourmis (Drogoul et al., 1993) Par extension, le statut d’agent estégalement donné à des entités moins « actives » comme les ressources (nourriture, humidité)

En évoluant dans un espace modélisé sous la forme de grilles régulières ó sont réparties desressources (voire une reconstitution plus complexe d’une réalité observée), chaque agent mobile

se situe dans l’espace et par son action le transforme pour les autres Les interactions sont aucentre de ce type de modélisation

3.5.1 Quelques définitionsQu’est ce qu’un agent ? Comme dans tous les domaines porteurs, le terme agent est utilisé

de manière assez vague Cependant on peut dégager une définition minimale commune qui estapproximativement la suivante :

Définition :Ferber, 1995 définit un agent : est une entité physique ou virtuelle

1 qui est capable d’agir dans un environnement,

2 qui peut communiquer directement avec d’autres agents,

3 qui est mue par un ensemble de tendances (sous la forme d’objectifs individuels ou d’unefonction de satisfaction, voire de survie, qu’elle cherche ‘a optimiser),

4 qui possède des ressources propres,

5 qui est capable de percevoir (mais de manière limitée) son environnement,

6 qui ne dispose que d’une représentation partielle de cet environnement (et éventuellementaucune),

7 qui possède des compétences et offre des services,

8 qui peut éventuellement se reproduire,

9 dont le comportement tend ‘a satisfaire ses objectifs, en tenant compte des ressources etdes compétences dont elle dispose, et en fonction de sa perception, de ses représentations

et des communications qu’elle re¸coit

Chacun des termes de cette définition est important Une entité physique est quelque chose quiagit dans le monde réel : un robot, un avion ou une voiture sont des exemples d’entités physiques

En revanche, un composant logiciel, un module informatique sont des entités virtuelles, car ellesn’existent pas physiquement.

Les agents sont capables d’agir, et non pas seulement de raisonner comme dans les systèmesd’IA classique L’action, qui est un concept fondamental pour les systèmes multi-agents, reposesur le fait que les agents accomplissent des actions qui vont modifier l’environnement des agents

et donc leurs prises de décision futures Ils peuvent aussi communiquer entre eux, et c’estd’ailleurs là l’un des modes principaux d’interaction existant entre les agents Ils agissent dans

un environnement, sauf, comme nous le verrons, pour les agents purement communicants pourlesquels toutes les actions se résument à des communications

Définition : D’après Ferber, 1995,un système multi-agent (ou SMA), un système est composédes éléments suivants :

1 Un environnement E, c’est-‘a-dire un espace disposant généralement d’une métrique

2 Un ensemble d’objets O Ces objets sont situés, c’est-‘a-dire que, pour tout objet, il estpossible, ‘a un moment donné, d’associer une position dans E Ces objets sont passifs,c’est-‘a-dire qu’ils peuvent être per¸cus, créés, détruits et modifiés par les agents

3 Un ensemble A d’agents, qui sont des objets particuliers (A ⊂ O), lesquels représententles entités actives du système

4 Un ensemble de relations R qui unissent des objets (et donc des agents) entre eux

5 Un ensemble d’opérations Op permettant aux agents de A de percevoir, produire, mer, transformer et manipuler des objets de O

consom-La figure 2.9 donne une illustration de la notion de système multi-agents d’un agent eninteraction avec son environnement et les autres agents[Ferber, 1995] L’agent représenté quidispose de compétences et de représentations tente d’atteindre ses objectifs

Figure 3.6 – Interactions d’un agent [Ferber 1995]

Il existe un cas particulier de systèmes dans lequel A = O, et E est égal à l’ensemble vide.Dans ce cas, les relations R définissent un réseau : chaque agent est lié directement à un ensembled’autres agents, que l’on appelle ses accointances Ces systèmes, que l’on peut appeler SMA

purement communicants, sont très courants en intelligence artificielle distribuée Leur domaine

de prédilection est la coopération de modules logiciels dont la fonction est de résoudre unproblème ou d’élaborer une expertise (interprétation de signaux ou conception d’un produit parexemple) à partir de modules spécialisés, comme dans le cas d’un système de contrơle distribué,

ó E est défini par la structure du réseau sous-jacent Ces systèmes se caractérisent par le faitque les interactions sont essentiellement des communications intentionnelles et que le mode detravail ressemble à celui d’un organisme social (groupe de travail, entreprise, administration,etc.)

Lorsque les agents sont situés, E est généralement un espace métrique, et les agents sont capables

de percevoir leur environnement, c’est-‘a-dire de reconna^ıtre les objets situés dans ment en fonction de leurs capacités perceptives, et d’agir, c’est-‘a-dire de transformer l’état dusystème en modifiant les positions et les relations existant entre les objets Les meta-données

l’environne-Un SIG manipule des données provenant de différentes sources, aussi celles-ci sont gnées d’informations caractérisant la source elle-même, soit encore de données sur les données :des méta-données Les meta-données apportent, par exemple, des informations sur la nature desdonnées, le système de projection, l’étendue géographique, date de saisie

accompa-3.6 Modéliser des dynamiques spatiales avec le SMANous allons aborder dans cette section l’utilisation des SMA pour l’étude de phénomènes setenant dans un environnement géographique On cherche à expliquer les concepts et techniquesdisponibles pour traiter les dynamiques spatiales à l’aide de la modélisation multi-agent

La réalisation d’un modèle en SMA se fait en deux temps : dans un premier temps il réalise unlaboratoire virtuel qui reprend les caractéristiques du domaine empirique objet de la simulation

ó « système cible » Dans un second temps, il pratique des expérimentations, dépla¸cant desindividus, changeant leur comportement ou en modifiant les conditions environnementales De

ce fait, le modèle, la vision du système cible s’élabore au fur et à mesure Ce n’est pas uneabstraction d’un monde réel, mais une reconstruction d’un monde artificiel obtenue à partird’hypothèses qui peuvent donc être testées in vitro Ces expérimentations permettent de vérifierles hypothèses émises, de récupérer de nouvelles données et de les exploiter via des traitementsstatistiques

Les caractéristiques de SMA est la capacité à considérer l’environnement d’un système,l’acceptation d’agents conceptuellement très différents, par une diversité d’échelles qui permet uneanalyse à des niveaux multiples et une souplesse dans les règles d’interactions, particulièrementpour les relations spatiales (Bretagnolle et al., 2003)

3.7 Les Systèmes d’Informations Géographiques SIGDéfinition : Un SIG est un ensemble organisé de matériels informatiques, de logiciels, dedonnées géographiques et de personnel capable de saisir, stocker, mettre à jour, manipuler,analyser et présenter toutes formes d’informations géographiquement référencées [De Blomac 94].

Les systèmes d’informations géographiques proposent une représentation de l’espace enutilisant des primitives géographiques telles que des points, des arcs, des polygones (vecteurs)

ou des grilles (raster) Des informations qualitatives, les meta-données (données sur les données),sont associées à ces primitives

L’information géographique peut être définie comme l’ensemble de la description d’un objet

et de sa position géographique à la surface de la Terre Le but d’un SIG est souvent de fournirune aide à la décision Il peut aussi servir à produire des cartes pour répondre à des besoinsspécifiques : organisation de tournées, circuits touristiques, prévention des incendies

Figure 3.7 – Composantes d’un SIG

Quel que soit le domaine d’utilisation, un SIG permet de répondre à 5 questions :

1 Où : Où se situe le domaine d’étude et quelle est son étendue géographique ?

2 Quoi : Quels objets peut-on trouver sur l’espace étudié ?

3 Comment : Comment les objets sont répartis dans l’espace étudié, et quelles sont leursrelations ? C’est l’analyse spatiale

4 Quand : Quel est l’âge d’un objet ou d’un phénomène ? C’est l’analyse temporelle

5 Et si : Que se passerait-il s’il se produisait tel événement ?

L’information géographique se compose :

1 l’information géographique se compose :

2 d’objets géographiques

3 de méta données

Les données attributaires

Les données attributaires décrivent un objet géographique : nom d’une route, type d’un bâtiment,nombre d’habitants d’un immeuble, débit d’un cours d’eau, tension d’une ligne de transportd’énergie, type d’arbres dans un verger Les attributs ne sont pas stricto sensu des informationsgéographiques, mais contribuent à les qualifier les objets

Les objets géographiques

Les objets géographiques sont organisés en couches Chaque couche fait référence à un thème,par exemple, couvert végétal, voies de navigation

Trois types d’entités géographiques peuvent être représentés :

— le point (x,y)

— la ligne ((x1, y1), , (xn, yn))

— le polygone

Deux modes de représentations des données sont possibles :

— Vectoriel (format vecteur) : les objets sont représentés par des points, des lignes, despolygones ou des polygones à trous ;

— Matriciel (format raster) : il s’agit d’une image, d’un plan ou d’une photo numérisés etaffichés dans le SIG en tant qu’image

Dans un SIG, un système de coordonnées terrestres (sphérique ou projectif) permet de référencerles objets dans l’espace et de positionner l’ensemble des objets les uns par rapport aux autres.Les objets sont généralement organisés en couches (cf Figure 2.10), chaque couche rassemblantl’ensemble des informations se rapportant à un même thème

Figure 3.8 – Couches d’un SIG

Avec un SIG, les relations entre les objets peuvent être calculées et donner naissance à despoints d’intersection afin d’éviter la répétition d’objets superposés Ainsi une parcelle bordantune route aura les mêmes sommets que ceux définis pour la route